主要内容

高斯混合模型

基于期望最大化算法的高斯混合模型聚类

高斯混合模型（GMMs）通过最大化数据点属于其指定簇的后验概率，将每个观测值分配给簇。创建GMM对象gm分布通过将模型与数据拟合(fitgmdist)或者通过指定参数值(gm分布)。然后，使用对象函数执行聚类分析(簇,后面的,玛哈尔)，对模型进行评估(cdf,pdf)，并生成随机变量(随机的).

功能

全部展开

fitgmdist 用高斯混合模型拟合数据
gm分布 创建高斯混合模型
cdf 高斯混合分布的累积分布函数
簇 利用高斯混合分布构造聚类
玛哈尔 高斯混合分量的马氏距离
pdf 高斯混合分布的概率密度函数
后面的 高斯混合分量的后验概率
随机的 高斯混合分布的随机变量

话题

基于高斯混合模型的聚类

将数据划分为具有不同大小和关联结构的集群。

基于硬聚类的高斯混合数据聚类

在混合高斯分布的模拟数据上实现硬聚类。

基于软聚类的高斯混合数据聚类

对混合高斯分布的模拟数据进行软聚类。

调整高斯混合模型

通过调整分量数量和分量协方差矩阵结构，确定最佳高斯混合模型（GMM）拟合。

统计和机器学习工具箱文档

金宝app

掌握机器学习：用MATLAB逐步指导

掌握机器学习：用MATLAB逐步指导

下载电子书